The Pulse
ElevenLabs lancia modelli speech-to-speech in tempo reale per agenti vocali
ElevenLabs ha lanciato Eleven Realtime v1 Mini e v1 Max per creare agenti vocali, con supporto per oltre 90 lingue e più di 17.000 voci. Secondo l’azienda, Max ha ottenuto il 98,8% in un benchmark di ragionamento sul parlato, mentre entramb
AI.info Team · Scritto con l’IA · verificato ·
ElevenLabs ha lanciato due modelli speech-to-speech il 20 ottobre 2026, rivolti agli sviluppatori che creano agenti vocali. Secondo l’azienda, Eleven Realtime riunisce riconoscimento vocale, alternanza dei turni di parola, un modello linguistico e generazione vocale in un’unica opzione per l’agente, anziché richiedere agli sviluppatori di configurare ogni componente separatamente. Min Kim, autore dell’annuncio di ElevenLabs, scrive: «Ogni modello è un agente vocale completo, ottimizzato per casi d’uso distinti».
Mini e Max sono pensati per conversazioni diverse
Eleven Realtime v1 Mini è progettato per scambi naturali a costo inferiore, come quelli con assistenti IA, tutor e personaggi interattivi. Il modello v1 Max è rivolto all’assistenza clienti, alla qualificazione dei potenziali clienti e ad altri flussi di lavoro in cui un agente deve seguire una serie di passaggi, usare strumenti o ragionare su una richiesta più complessa. Secondo l’azienda, entrambi i modelli supportano oltre 90 lingue e possono usare le voci della libreria di ElevenLabs, che ne conta più di 17.000.
La scelta del modello cambia il modo in cui vengono gestiti i componenti dell’agente, ma non elimina tutte le opzioni di configurazione. ElevenLabs afferma che prompt, voci, strumenti, basi di conoscenza e impostazioni del flusso di conversazione restano disponibili in modalità Realtime. La documentazione precisa inoltre che i modelli Realtime sono destinati agli agenti vocali creati in ElevenAgents; gli agenti creati tramite altri prodotti ElevenLabs, tra cui Speech Engine, non possono usarli.
I risultati dei benchmark favoriscono Max nel ragionamento e nell’uso degli strumenti
ElevenLabs afferma che Artificial Analysis ha valutato i modelli in modo indipendente su tre benchmark pubblici. Nel Big Bench Audio, che pone 1.000 domande di ragionamento a voce e valuta le risposte, Max ha risposto correttamente al 98,8% delle domande e Mini al 75,9%. L’azienda riporta un tempo medio prima del primo audio di 0,57 secondi per Max e 0,62 secondi per Mini.
I risultati non sono sempre più alti per Max. Nel Full-Duplex-Bench, che verifica pause, alternanza dei turni di parola, interruzioni e segnali di ascolto, Mini ha ottenuto il 95,8% e Max il 94,1%. ElevenLabs riporta punteggi nello Speech Agent Arena di 998 per Max e 988 per Mini, e tassi di completamento delle attività che richiedono l’uso di strumenti rispettivamente dell’87,1% e del 60,3%. Queste cifre provengono dal post di lancio dell’azienda; si riferiscono a valutazioni diverse e non vanno interpretate come un unico punteggio complessivo.
L’API compatibile con OpenAI ha un limite nel protocollo di trasporto
Gli sviluppatori possono selezionare un modello Realtime all’interno di ElevenAgents o collegarsi tramite l’API Realtime di ElevenLabs. Secondo l’azienda, l’API segue le specifiche Realtime di OpenAI, consentendo agli sviluppatori che dispongono già di un’integrazione compatibile di cambiare l’endpoint e il nome del modello anziché ricostruire il client. La connessione usa però WebSocket: un’integrazione basata su WebRTC deve quindi passare a WebSocket per usare questa API.
L’API Realtime funziona inoltre separatamente da ElevenAgents. Secondo l’annuncio, gli sviluppatori che hanno bisogno di funzionalità di ElevenAgents come i canali telefonici e WhatsApp, i flussi di lavoro, una base di conoscenza, i sistemi di controllo o il monitoraggio devono usare quella piattaforma anziché l’API autonoma.
Prezzi e distribuzione non sono identici per i due modelli
La documentazione di ElevenLabs indica che agli agenti Realtime si applicano la tariffa standard di ElevenAgents al minuto e, in aggiunta, i costi per i token di input, di input memorizzato nella cache e di output secondo le tariffe del modello; Max costa più di Mini per token. Il post di lancio non fornisce prezzi specifici. La documentazione descrive inoltre la disponibilità come una distribuzione graduale, quindi l’opzione Realtime potrebbe non comparire ancora in ogni spazio di lavoro.
Gli sviluppatori devono quindi valutare, oltre ai risultati dei benchmark, due vincoli pratici: se Realtime è arrivato nel loro spazio di lavoro e se il loro client audio esistente usa WebSocket. Nelle indicazioni di ElevenLabs sui prodotti, Mini è l’opzione meno costosa e con minore latenza; Max è quella più costosa per istruzioni complesse e uso degli strumenti in più passaggi.